AI와 협업 잘 하는 기업의 특징 5

실제로 업무 프로세스에 AI를 융합할 때 생기는 과제와 그 과제를 해소하고 AI를 최대한 활용하기 위해 필요한 요소들에 대해 살펴보자.

AI와의 협업을 방해하는 3가지 과제

AI와의 협업을 전제로 한 업무를 수행하기 위해서는 AI와 인간이 각각 담당해야 할 역할을 정리하고 업무 프로세스 자체도 근본적으로 재설계할 필요가 있다. 그런 것이 가능한 기업은 아직은 극히 일부라는 것이 현실이다. 그 이유는 무엇일까? 다음과 같은 3가지를 생각할 수 있다.

첫째, AI에 대한 이해 부족이다. ‘AI란 무엇인가, 실제 업무에서 어떻게 사용해야 할까‘가 충분히 이해되지 않은 상태에서 도입이 검토되는 상황을 많이 볼 수 있다. AI로 실현할 수 있는 것과 없는 것을 이해하지 않으면 어떤 업무에 AI를 활용할지, 업무 프로세스 내에서 인간과 AI가 어떻게 역할을 분담할지를 설계할 수 없고 기존 업무 프로세스의 연장선상에서의 개선에 머무르게 된다. 또 AI는 도입 후에 학습을 반복하면서 서서히 고도화된다. 즉, AI가 학습을 전제로 한다는 점을 이해하지 않으면 AI의 도입 효과나 활용 여부를 잘못 판단할 가능성이 있다.

둘째, 실무에서의 용도는 명확하지만 AI 활용시의 리스크를 허용하지 못하여 실행이 되지 않는 경우다. AI가 담당하는 업무의 투명성이나 그 안에서 인간이 맡아야 할 책임 범위, AI에 대한 막연한 불안감 등 AI와 인간이 협업하는 영역에 있어서는 기존 업무에서 발생하지 않았던 여러 가지 리스크가 생길 수 있다. 업무를 추진하는 데 있어서 이런 리스크를 어디까지 회피하고 어디까지 허용할지 신중하게 검토하고 실행시 경영진이나 업무책임자의 위임을 얻는 것이 중요하다.

셋째, 데이터나 인재, 기계의 처리 능력, 자금 등이 부족하여 업무 활용이 진행되지 않는 경우다. 그 중에서도 특히 중요한 것은 데이터와 인재다. AI에 있어서 데이터는 연료와 같은 것이고 데이터가 없다면 업무에 AI를 활용하는 것 자체가 불가능할 것이다. 인재의 경우 기존 업무와 AI 활용을 전제로 한 업무에서는 인간에게 필요한 스킬이나 마인드셋이 다르다. 그 요건에 맞는 인재를 확보하고 교육할 수 없다면 담당 업무에 요구되는 역할 간에 미스매칭이 생기게 된다.

그렇다면 이러한 과제를 풀기 위하여 기업은 무엇을 해야만 할까?

인간과 AI의 협업 실현을 위해 필요한 ‘MELDS’

액센추어는 미씽미들 영역에서 인간과 AI의 협업으로 가치를 만들어내고 있는 선진기업의 몇가지 특징을 분석했다. Mindset, Experiment, Leadership, Data, Skill을 특히 중요한 5가지 요소로 봤고 첫 자를 따서 ‘MELDS’라고 부른다.

– Mindset
기존과는 다른 접근 방식으로 생각하는 것. AI를 사용한다는 수단 자체를 목적화해서는 안 된다. AI의 특성이나 역할을 파악하고 기존의 업무 프로세스와 AI 활용 업무 프로세스의 차이를 염두에 둔 상태에서 자사의 업무를 근본적으로 검토한다. 엔드유저의 목적을 달성하는 것이 중요하고 디자인 씽킹이나 공감형 디자인 같은 방법을 받아들여 유저가 정말 필요로 하는 제품이나 프로세스를 파악하는 접근도 필요할 것이다.

– Experiment
실수나 실패를 장려하는 문화. AI 시대에는 ‘시행하지 않으면 결과를 알 수 없다’는 것을 당연시해야 한다. 보유 데이터의 제약 등으로 앞으로는 업계 리더의 좋은 사례를 모방하는 것이 어려워질 것이므로 자사 비즈니스의 독자성에 맞춘 업무 프로세스의 조정이 필요해진다. 조직 전체에서 지속적인 업무 프로세스의 개선이나 재설계를 하기 위해서는 실수나 실패를 오히려 장려해야 한다. 과학의 세계에서는 가설을 지지하지 않는 실험 결과가 나와도 그것을 실패라고 부르지 않으며 ‘데이터’라고 부른다. 비즈니스의 세계에서도 마찬가지로 실험을 허용하는 풍토를 만들고 실험에 실험을 거쳐 데이터를 축적하는 것이 앞으로는 중요해진다.

– Leadership
AI를 윤리적으로 책임 있게 이용하는 것. 자사의 AI에 허용되는 것과 허용되지 않는 것의 경계선을 명확하게 해두고 그 경계선을 넘지 않도록 규칙을 설정하는 것, AI가 제시한 결과를 뒤집는 경우도 포함해 인간이 최종 결정할 수 있는 프로세스 등이 필요하다. AI는 의도하지 않은 영향을 초래할 가능성이 있다. 그때 피해를 입은 고객에 대한 보상, 인간이 지는 책임 범위를 미리 명확하게 해둘 필요가 있다. 그것을 위해 (1)알고리즘 자체의 설명 책임 (2)AI를 평가하는 시스템 (3)지속적인 모니터링이라는 3단계 구조가 책임 있는 AI를 실현하는 데 있어 반드시 필요하다. 그리고 이 구조를 실현하기 위해 인간의 역할 역시 필요하다.

– Data
AI가 학습하기 위해 필요한 인풋 데이터. AI를 시스템 안에서 움직이기 위해서는 ‘데이터 서플라이체인’을 구축하는 것이 중요하다. 단순히 데이터를 수집하고 분석하는 것만이 아니라 데이터를 어떻게 정의하고 어떻게 지속적으로 공급할지 또는 데이터의 신선도는 적절한지와 같은 관점에서 데이터를 포착해야 한다. 또 데이터의 품질도 중요하다. 예를 들어 범죄자의 식별 모델에 특정 인종에 대한 편견이 포함되는 등 데이터에 편견이 존재하는 경우에는 AI에 윤리적이고 법적인 결함이 생길 수 있다. 데이터를 클렌징하는 전문가를 두고 품질을 담보하는 등 지속적인 메인터넌스가 필요하다.

– Skill
미씽미들 영역에서 인간에게 요구되는 스킬은 기존의 일에서 필요했던 스킬과는 크게 다르다. 인간과 AI를 융합하고 업무 프로세스를 재구축하는 가운데 인간에게 요구되는 역할을 이해하고 필요한 스킬을 습득하는 것이 중요하다.

AI의 비즈니스 활용을 위한 ‘MELDS’는 탑다운으로

업무 프로세스를 재구축하는 것이 그리 쉽지 않기 때문에 많은 기업이 제자리걸음을 하고 있다. 그러나 한편으로 이에 성공하는 기업도 다수 있고 그런 기업은 비즈니스를 크게 개선했다. 이 두 부류를 나누는 것은 지금까지 언급한 5가지 요소인 ‘MELDS‘다.

앞서 언급한 3가지 과제에 대해서도 ‘AI에 대한 이해 부족’은 Mindset과 Experiment, ‘리스크에 대한 위임 부족’에 대해서는 Experiment와 Leadership, ‘리소스 부족’에 대해서는 Data와 Skill이 각각 대응할 수 있다. MELDS를 중점적으로 검토하면 AI를 비즈니스에 활용하는 것을 강하게 추진할 수 있을 것으로 기대된다.

또 업무 프로세스의 재설계는 현장의 리더나 담당자가 실시하는 것으로 생각되겠지만, 미씽미들 영역에서는 경영진의 위임이나 조직의 문화, 평가 제도, 시스템 등의 토대가 있고나서야 비로소 근본적인 개혁을 할 수 있다. 이들 요소를 검토하지 않고 AI 활용을 진행하면 앞서 언급한 3가지 과제의 어딘가에 부닥치게 될 것이다.

AI와의 협업을 진행하고 효과를 최대화하기 위해 조직의 존재를 재검토하는 것도 고려하여 장기적인 관점에서 준비할 필요가 있겠다.